Captulo 11

FERRAMENTAS DE ANLISE:
ANLISE DE FOURIER
DE QUE TRATA ESTE CAPTULO
A transformada de Fourier uma das ferramentas mais importantes nas aplicaes prticas de cincia e de engenharia. Apresentaremos agora um de seus algoritmos discretos de importncia industrial e a ferramenta mais poderosa do EXCEL, a Transformada Rpida de Fourier (FFT Fast Fourier Transform).
fcil usar uma planilha para realizar tarefas freqentemente tidas como complicadas e sofisticadas. Prepare-se. Este captulo
mostrar como usar a FFT das Ferramentas de Anlise do EXCEL.
Voc aprender tambm alguns truques que no so abordados
na Ajuda. Neste captulo voc aprender:
como usar a caixa de dilogo FFT do EXCEL,
quando aplicar a defasagem de Nyquist (mais-um-menos-um),
uso (e abuso) do preenchimento de zeros de um conjunto
de dados,
limitaes devidas amostragem (freqncia de Nyquist e
ambigidade de freqncia [aliasing]), da FFT e da FFT inversa,
como alterar a escala de freqncia e como usar a janela
de dados,
como usar a densidade espectral de potncia (DEP) e o
teorema de Parseval,
como extrair informaes de dados experimentais.

Quais foram os Dez Eventos Mais Importantes em Matemtica nos ltimos cem anos? (Talvez voc imagine que um deles
foi a sua aprovao nas disciplinas de clculo.) Muita gente
acredita que os dois eventos mais importantes tenham sido a
FFT e a demonstrao do ltimo teorema de Fermat. Certamente, a demonstrao de Andrew Wile do teorema de Fermat foi
importante para a matemtica pura, mas a FFT supera essa demonstrao quanto utilidade e s aplicaes prticas. O desenvolvimento da FFT nos anos 1960 forneceu uma ferramenta usada milhes de vezes todos os dias em diversas atividades
como anlise de sinais de voz, projeto de raquetes de tnis,
engenharias civil, mecnica e eltrica, explorao de petrleo,
qumica, fsica, tecnologia mdica, astronomia e telecomunicaes.
Neste captulo, voc aprender como usar a FFT do EXCEL
para processamento digital bsico de sinais. Essas tcnicas so
extraordinariamente teis em engenharia e em cincia e alcanaram enorme importncia econmica na indstria de entretenimento em filmes como Titanic, Toy Story, Parque dos Dinossauros, Guerra nas Estrelas e Matrix1. Voc poderia dizer que o
Titanic apenas a ponta do iceberg.

11.1 SISTEMAS LINEARES

A FFT particularmente til para analisar sistemas lineares. Por
qu? Porque em muitos casos a anlise mais fcil e mais poderosa no domnio da freqncia do que no domnio original dos
dados (em geral, o tempo). Fisicamente, um sistema linear aquele
no qual a sada (resposta) diretamente proporcional entrada
(estmulo). Matematicamente, um sistema linear descrito por
equaes lineares, e assim fica assegurada a validade de aplicao do princpio da superposio. H uma fronteira levemente
nebulosa entre sistemas lineares e no-lineares, no sentido matemtico, porque alguns sistemas fisicamente no-lineares so descritos por equaes no-lineares que podem ser transformadas em
equaes lineares com coeficientes variantes no tempo. No mundo fsico muitos sistemas so intrinsecamente no-lineares, mesmo em nveis de potncia muito baixos, e a maioria dos sistemas
lineares tornam-se no-lineares em nveis elevados de potncia.

Uma medida prtica da linearidade que as freqncias da

sada so as mesmas freqncias da entrada; nenhuma freqncia nova aparece na sada. Um dos motivos pelos quais a Transformada de Fourier to til que quantidades muito pequenas de energia podem ser medidas no domnio da freqncia,
mesmo na presena de grandes quantidades de energia em outras freqncias. A identificao e a eliminao de energia de
harmnicos e de sub-harmnicos o assunto importante de interesse atual. Como exemplo prtico, a forma de onda em sistemas eltricos de potncia mantida senoidal com um grau
elevado de preciso uma vez que a presena de correntes de
freqncias harmnicas mesmo em pequena quantidade pode
acarretar conseqncias econmicas srias e causar interferncias nos circuitos de controle e na energia transportada pelo
condutor neutro.

Traduo adotada no Brasil para os ttulos originais em ingls: Titanic, Toy Story, Jurassic Park, Star Wars e The Matrix.(N.T.)

FERRAMENTAS DE ANLISE: ANLISE DE FOURIER

161

11.2 BLOCOS CONSTRUTIVOS

Os sinais senoidais (e, em conseqncia, as exponenciais complexas) parecem ser os blocos construtivos da natureza. Por que
estes sinais desempenham um papel to dominante? Uma razo
que, ao excitar um sistema linear com uma funo senoidal no
domnio do tempo, a resposta em regime permanente ao longo
de todo o sistema senoidal diferindo de um ponto a outro, no
mximo, em amplitude e fase. O sistema linear pode ser de complexidade ilimitada; a resposta permanece senoidal. Nenhuma
outra funo peridica tem esta caracterstica.
Alm disso, nenhuma outra funo peridica permanece inalterada ao ser somada a uma funo semelhante, porm de amplitude e fase diferentes. Uma senide, ao ser adicionada a outra
senide de mesmo perodo, mas com amplitude fase e diferentes, produz uma funo com a mesma forma senoidal das que a
compem. (Experimente fazer isto em uma planilha da pasta de
trabalho FOURIER.) O Professor Ernst Guillemin (MIT) chama isto de uma propriedade sobrenatural. O que consideramos
lugar-comum na realidade no usual.
A forma de uma senide nica. Em um certo sentido, a
mais suave de todas as funes. Uma onda acstica senoidal pura
soa bem no ouvido humano. A derivada de uma senide tambm
senoidal, e portanto a integral de uma senide tambm uma
senide. Somente a amplitude e a fase modificam-se pela derivao e integrao; a forma senoidal invarivel em relao
derivao e integrao. Em geral, voc sabe que a derivao
tende a acentuar irregularidades de uma funo e a integrao

tende a suavizar essas irregularidades. A senide nica quanto

ao fato de sua forma ser invariante em relao s operaes de
derivao e de integrao, no importando o nmero de vezes
que essas operaes sejam repetidas.
Na Seo 4.4, vimos que a srie de Fourier, composta de senos
e de co-senos, permite que voc aproxime uma funo peridica
arbitrria (sujeita s condies de Dirichlet) com o menor erro
quadrtico. Indo aos limites de perodos arbitrariamente longos
e curtos voc pode representar a maioria das funes (de interesse prtico) do tempo ou do espao por uma srie de senides.
A senide o bloco construtivo fundamental com o qual podemos construir todos os outros componentes e nos permite determinar a resposta a uma excitao qualquer se conhecermos a
resposta a senides.
A srie de Fourier associada a funes peridicas, sendo
o seu espectro discreto.
A transformada analtica de Fourier associada a funes
no-peridicas e o espectro contnuo.
A verso analtica da transformada de Fourier surpreendente
de muitas formas, porm a mais bvia que voc pode representar uma funo no-peridica por uma coleo de funes
peridicas!
impossvel deixar de enfatizar a importncia da senide e dos
mtodos de Fourier nos campos de engenharia e cincia. Se no
existissem, a senide e esses mtodos teriam de ser inventados.

11.3 TRANSFORMADA RPIDA DE FOURIER (FFT)

Vejamos a verso em planilha da FFT. A FFT um algoritmo da
transformada discreta de Fourier dotada de uma rapidez no usual. Na realidade, h diversas verses da FFT. A FFT do EXCEL
requer que o nmero de pontos de dados nos domnios original e
da transformada seja uma potncia inteira de 2, como 128, 256,
512, 1024 e assim por diante. Alm disso, as seqncias do sinal
original e da transformada devem ter o mesmo nmero de pontos.
Abra a pasta de trabalho FFT-IFFT e a Fig. 11-1 ser exibida.
Essa pasta de trabalho requer muitas explicaes e ns a analisaremos linha por linha. A FFT-IFFT calcula a FFT de um sinal para obter o espectro e, em seguida, calcula a FFT Inversa
(ou IFFT) para recuperar o sinal original.

Dica
Observe na pasta de trabalho FFT-IFFT que os dados de entrada
so nmeros reais puros. A FFT produz um conjunto de dados
complexos e os resultados da IFFT so dados reais no-numricos (texto) que retornam ao domnio dos dados originais. Voc
deve transformar a sada IFFT em dados numricos usando a funo de planilha IMREAL, conforme mostra a linha 21 da tela.

A planilha no recalcula automaticamente a FFT e a IFFT.

Assim, toda vez que os dados de entrada forem alterados voc

precisar chamar a FFT e efetuar de novo as operaes. Voc

pode criar uma macro para automatizar esta tarefa. H diversos
truques para se usar a FFT; vamos examin-los passo a passo.
Veja a caixa de dilogo na Fig. 11-2.
Os valores das varincias mostrados nas clulas D4 e G4 fornecem uma forma rpida de comparar a entrada com o resultado
da aplicao da FFT e, em seguida, da aplicao da IFFT.
Certifique-se de que atribuiu o mesmo nmero de clulas
ocupadas com os dados de entrada linha ou coluna onde deseja
que a seqncia de dados transformados v residir. Na caixa de
dilogo mostrada na tela da Fig. 11-1 observe a caixa de verificao Inversa. Se quiser obter a FFT ela no dever ser ativada.
Se, no entanto, quiser obter a IFFT, dever ativ-la.
Utilizaremos as funes complexas IMREAL e IMAGINRIO para separar os dados transformados de modo que tenhamos as partes real e imaginria e, em seguida, usaremos IMABS
e IMARG para magnitude e fase. Veja o Cap. 7 para uma reviso dessas funes de planilha. Se a Anlise de Dados no estiver disponvel como opo do menu Ferramentas, execute o programa de instalao do EXCEL e inclua essa opo.
A planilha contm a transformada direta, que chamaremos
de FFT, e a transformada inversa, que chamaremos de IFFT.
Testaremos a exatido das transformaes aplicando primeiro a transformada direta e, em seguida, a transformada inversa para determinar quo perto chegamos dos dados originais.

162

CAPTULO ONZE

Fig. 11-1 Tela inicial da planilha Principal da pasta de trabalho FFT-IFFT. A caixa de dilogo Anlise de Fourier est ativada. Examine a linha 15
na tela do seu computador. O contedo dessa linha complexo. O sinal de entrada consiste em dois sinais senoidais de amplitudes e freqncias
diferentes.

Fig. 11-2 Caixa de dilogo da Anlise de Fourier. Marque a caixa de verificao Inversa para efetuar a operao IFFT. Aqui est selecionada a
opo Intervalo de Sada.

Observe que o sinal de teste usado na planilha um teste de

dois tons consistindo em duas ondas senoidais de amplitudes
e de freqncias diferentes. O sinal de dois tons um teste
padro para medir a distoro por intermodulao, que um
efeito no-linear. Se o sistema sob teste for linear, as nicas
freqncias na sada sero as freqncias da entrada. Se o sistema for no-linear, aparecero freqncias misturadas (como
somas e diferenas). O ouvido humano no-linear e esta a
razo pela qual ouvimos freqncias misturadas e a msica
soa agradvel.
A Fig. 11-3 mostra erros muito pequenos envolvidos na transformao do domnio de origem dos dados em FFT e na transformao inversa do espectro para o original, usando a IFFT.
Mais tarde executaremos alguns clculos analticos para que voc
possa comparar os resultados da FFT com os exatos.

A FFT um recurso extremamente poderoso, mas possui algumas peculiaridades das quais voc deve estar ciente. Uma fonte
principal de erros relativos aos dados no-peridicos que a FFT
supe sempre que os dados so peridicos. Como conseqncia
disto, a FFT pode se tornar imprecisa medida que voc se aproxima das extremidades positiva e negativa do eixo das freqncias.
Essa periodicidade imposta fica evidente ao comparar os resultados da FFT com os resultados exatos de parte real e imaginria, de magnitude e fase, bem como o grfico polar da parte
imaginria em funo da parte real. O grfico polar sempre fecha porque a FFT supe a ligao suave com um conjunto de
dados idnticos nas extremidades direita e esquerda. Vamos fazer um resumo de algumas dicas e truques necessrios para que
a operao com a FFT seja bem-sucedida.

FERRAMENTAS DE ANLISE: ANLISE DE FOURIER

163

Fig. 11-3 Erros entre os dados originais e os resultantes da aplicao da FFT seguida da operao inversa IFFT. Observe que os erros so, no
mximo, umas poucas partes em 1015. Este grfico est disponvel na pasta de trabalho FFT-IFFT.

11.4 DETALHES DA PLANILHA FFT-IFFT

Vamos analisar essa planilha em detalhes. Abra o arquivo FFTIFFT e v testando medida que seguir as explicaes aqui apresentadas. Neste exemplo utilizaremos uma transformada com 128
pontos. As linhas a seguir consistem em clulas que vo da coluna A at a coluna DX.
Linha 7: contm o eixo dos tempos. Ela construda usando
[Editar][Preencher][Seqncia]
Linha 9: contm o sinal de entrada, duas ondas senoidais com
valores diferentes de amplitude e de freqncia. A frmula na
clula A9 =SEN(A7)+0,5*SEN(0,9*A7).
Linha 11: contm o deslocamento de Nyquist (sinal mais-ummenos-um). A frmula na clula A11 =COS(A7*PI()). Esta
frmula produz os valores
1 e 1 para o sinal mais-um-menos-um. Veja a Seo 11.6.
Linha 13: contm o sinal de entrada mais-um-menos-um. A
frmula na clula A13 =A9*A11. A linha 13 a entrada da
FFT; na caixa de dilogo as 128 clulas selecionadas so
A13:DX13. O objetivo do sinal mais-um-menos-um produzir
transformadas de Fourier que se paream com as que voc v nos
livros, ou seja, com o espectro centrado.
Linha 15: contm a sada da FFT. O contedo da clula A15
uma grandeza no-numrica que se assemelha ao nmero
1,22040916853706. Veja as outras clulas da linha 13. Por
exemplo, a clula B13 contm 1,22040916853706 1,801815
90622879E-002i. Observe o i ao final do segundo nmero,
indicando que ele imaginrio. O contedo da clula B13 um
nmero complexo.
Linha 17: contm a densidade espectral de potncia do sinal. A
frmula na clula A17 =IMABS(A15)^2/128. A funo de
planilha IMABS calcula o valor absoluto de A15 e o resultado
elevado ao quadrado para se obter a potncia. A potncia dividida
por 128 para a normalizao adequada (veja o teorema de Parseval).
Linha 19: contm a inversa da FFT, ou seja, a IFFT da linha 15.
Observe que esta linha est na forma no-numrica; o 0 na clula A19 est no lado esquerdo da clula. Esta linha no pode ser
convertida em grfico.

Linha 21: contm a parte real da linha 19. Observe que o 0 na

clula A21 est no lado direito da clula. A frmula na clula 21
=IMREAL(A19)*A11. A funo de planilha IMREAL recupera a parte real do contedo da clula A19 e a multiplicao por
A11 faz uma operao oposta a da multiplicao pelo sinal maisum-menos-um.
Linhas 23 a 30: mostram o efeito de no usar a operao de
multiplicar pelo sinal mais-um-menos-um. Se no estiver interessado em visualizar o espectro e desejar apenas us-lo no clculo, voc no precisa da operao com o sinal mais-ou-menos.
Linha 32: calcula a diferena entre o sinal de entrada original,
linha 9, e a parte real da IFFT, linha 30. Considerando todos os
clculos envolvidos para efetuar a FFT e, em seguida a IFFT, os
erros so bastante pequenos. Esta linha mostrada graficamente
na Fig. 11-3.

Dica
A sada da IFFT apresentada na forma no-numrica e inclui a
defasagem de Nyquist se entrada da FFT tiver sido aplicada a
defasagem de Nyquist. Caso voc deseje visualizar a sada ou
gerar um grfico, utilize a funo de planilha IMREAL para recuperar a parte real da IFFT e multiplique novamente pela funo mais-um-menos-um que produz a defasagem de Nyquist
a fim de desfazer o processamento original antes da FFT. Por
exemplo, o contedo IFFT da clula B19 mostrado como
1,23313443962164, mas est em forma no-numrica. A frmula na clula B21 =IMREAL(B19)*B11. Essa operao transforma o contedo da clula B19 em forma numrica e a frmula na clula B11 desfaz a defasagem de Nyquist existente.

Por um instante, vamos fazer uma pequena digresso e executar o clculo analtico de uma transformada de Fourier como
objetivo de ajudar voc a ter uma intuio sobre o procedimento
numrico.

164

CAPTULO ONZE

11.5 TRANSFORMADA DE FOURIER, EXEMPLO ANALTICO

Para tratar do assunto de forma completa, vejamos como fica a
transformada de Fourier em seu formato analtico. Vamos dar um
exemplo simples utilizando o clculo elementar que produzir um
resultado exato e voc poder compar-lo com o obtido atravs
da FFT. H diversas formas para definir a transformada, mas a que
se segue conveniente para os propsitos que temos em vista:

Este o tipo de integral que voc aprendeu na primeira ou na

segunda semana do curso de clculo. Observe que se trata de uma
integral definida em t de modo que o resultado ser uma funo
de  que depende do valor de T. Faa a integrao:

Esse procedimento facilmente calculado como:

onde f(t) uma forma de onda no domnio original (aqui o domnio o do tempo t) e F() o espectro no domnio de freqncia. A freqncia  medida em rad/s. Lembre-se de que  
2f, onde f a freqncia em Hz.
As Eqs. (11-1) e (11-2) so realmente notveis; muitos livros foram escritos sobre elas. A Eq. (11-1) chamada de transformada direta e a Eq. (11-2) chamada de transformada inversa. A utilizao
dessas integrais freqentemente uma tarefa desafiadora, mas vejamos como fcil (e instrutivo) aplic-las a um dos sinais mais usados, o pulso retangular. Bilhes de pulsos como estes so usados a
cada segundo de cada dia nos sistemas digitais em todo o mundo.
Obtenhamos o espectro de um pulso de amplitude A e largura
T. Admita que o pulso esteja centrado em t  0, isto , que comea em T/2 e termina em
T/2.

A Eq. (11-7), provavelmente, seria entendida por um matemtico, mas para a maioria das pessoas preciso escrever a Eq. (117) em uma forma mais compreensvel e que possa ser representada graficamente. Em primeiro lugar, multiplique o numerador
e o denominador por 1 e voc obter uma frmula mais familiar:

Lembre-se de que o seno pode ser representado em termos de

exponenciais complexas como:

assim a Eq. (11-8) pode ser escrita como

O pulso representado graficamente na Fig. 11-4. Vamos inserir agora esta funo na Eq. (11-1):
A funo da Eq. (11-10) to comum que chamada da funo
seno de x sobre x. A Fig. 11-4 mostra o pulso e seu espectro. O
pulso restrito no tempo mas o espectro se espalha de menos

Fig. 11-4 Curva superior: pulso retangular simtrico,

centrado na origem do eixo dos tempos. Curva inferior: parte central do espectro correspondente. O grfico corresponde ao clculo analtico, no ao resultado
da aplicao da FFT do EXCEL. Para obter uma separao entre os grficos, visando a uma maior clareza,
o grfico do pulso foi deslocado para cima uma unidade de amplitude e o do espectro, deslocado para
baixo uma unidade de amplitude.

FERRAMENTAS DE ANLISE: ANLISE DE FOURIER

infinito a mais infinito. A Fig. 11-4 mostra o pulso completo, mas

apenas a parte central do espectro apresentada.
Observe que na Fig. 11-4 o pulso limitado no domnio do
tempo mas o espectro ilimitado; existe de menos infinito a mais
infinito. Contudo, a maior parte da energia est concentrada em
torno de zero. til realizar uma medida quantitativa para saber
como essa energia est concentrada, em outras palavras, para
conhecer a largura de faixa do sinal. Uma forma de definir a
largura de faixa baseada na Eq. (11-12). O lbulo central contm a maior parte da energia e o primeiro valor nulo ocorre, de
cada lado do mximo em:

Dessa forma, a freqncia do primeiro nulo, isto , a largura de

faixa, dada por:

(Recorde:   2f.) Por exemplo, um pulso com largura de 1s

tem uma largura de faixa de 1 MHz. H energia considervel fora
dessa largura de faixa, mas a maioria est no interior dela. Que
percentual da energia total est no interior da largura de faixa?
(Veja o Exerccio 7 no fim deste captulo.) O Exerccio 4 mostrar a voc numericamente como a largura do pulso controla a
largura de faixa.
Observao: nos sistemas digitais a largura de faixa tambm
refere-se velocidade possvel de envio dos dados por meio de
uma conexo. Em geral, essa largura de faixa medida em bits
por segundo. Uma pgina cheia com um texto em ingls tem cerca
de 16.000 bits. Um modem com uma boa linha telefnica pode
transmitir cerca de 56.000 bps. Uma tela animada de vdeo requer, a grosso modo, 10.000.000 bps, dependendo da compactao que estiver sendo utilizada.
De modo geral, quando a forma de onda for apenas uma funo real, o espectro ser complexo. Nesse caso em particular, um
exemplo analtico simples, as partes imaginrias se anulam e,

165

assim, podemos representar o espectro por uma funo real, usando a representao complexa da funo seno, Eq. (11-10).

Dicas
Um espectro complexo pode ser representado por suas partes real
e imaginria, bem como por suas magnitude e fase. No laboratrio, em geral, voc mede a magnitude e a fase de um espectro
e esta , provavelmente, a forma mais fcil de interpret-lo.
Quando a forma de onda centrada (simtrica) no domnio
original dos dados, tanto a fase como a parte imaginria do espectro tm zero como valor.
Algumas formas de onda no so simtricas no domnio do
tempo (por exemplo, todas as formas de onda que comeam em
t = 0 so no-simtricas). Formas de onda assimtricas tm sempre um espectro com fase e parte imaginria no-nulas. Teste esta
propriedade para comprovar essa realidade (veja o Exerccio 1
no final deste captulo).

As integrais do par de transformadas de Fourier parecem simples mas, com freqncia, so extraordinariamente difceis. Em
muitos casos elas no existem na forma analtica conhecida. Dados experimentais sempre contm rudo (os dados no so funes
analticas completas) e, portanto, os mtodos analticos no podem
ser utilizados. Devem ser usados mtodos numricos como a FFT.
Os mtodos numricos j existiam antes da FFT mas, em geral,
exigiam a realizao de inmeros clculos, tornando-os impraticveis para uso comum. As transformadas de Fourier sem a FFT
requerem um volume de operaes de clculo proporcional a n2,
onde n o nmero de pontos de dados. As operaes de FFT geralmente requerem operaes proporcionais ao logaritmo de n.
Como resultado, a anlise de grandes conjuntos de dados com a
FFT pode ser feita agora em microssegundos em vez de anos.
Vamos continuar a analisar a defasagem de Nyquist, o preenchimento com zeros, a normalizao de freqncia, a amostragem e a ambigidade e a janela de dados, alm de mostrar como
utilizar esses detalhes com a FFT do EXCEL.

11.6 DEFASAGEM DE NYQUIST, SINAL MAIS-UM-MENOS-UM

A aplicao da FFT a um conjunto de dados brutos pode
surpreend-lo no incio, pois tem como resultado um espectro
estranho, que contm a parte central nas extremidades do grfico e as extremidades no centro. Os resultados da FFT no se
parecem com a curva inferior da Fig. 11-4. Multiplicando cada
um dos pontos de dados mpares por 1 antes da operao da
FFT obtemos um espectro que se parece com o que seria obtido no clculo manual. Esta operao de pr-processamento
chamada de defasagem de Nyquist, ou multiplicao pelo si-

nal mais-um-menos-um. Ela foi inventada por Harry Nyquist,

nos Bell Labs (hoje Lucent Technologies, http://www.
lucent.com).
Caso no haja interesse em examinar o espectro diretamente,
mas somente em us-lo para outros clculos, voc poder eliminar a defasagem de Nyquist, que consome tempo e ocupa o computador. Para ver como a defasagem de Nyquist aplicada, utilize o mouse para testar as linhas 9 e 11 da planilha FFT-IFFT
mostrada na Fig. 11-1.

166

CAPTULO ONZE

Dica
Voc pode combinar as operaes de defasagem de Nyquist e de colocao de janelas nos dados (Seo 11.10) em uma nica etapa da planilha.
Elas constituem operaes de pr-processamento. Tudo o que precisa fazer multiplicar o ponto de dados bruto pela frmula da janela de
dados e pela frmula de Nyquist.
Por exemplo, se o ponto de dados bruto estiver na clula A7, a frmula na clula A8 poderia ser =A7*(0,5-0,5*COS(2*PI()*A$6/
128))COS(A6*PI()). Aqui, a frmula que multiplica a clula A8 a da janela de von Hann (Seo 11.10), e esta ainda multiplicada pela
defasagem de Nyquist COS(A6*PI()). Nesta frmula o eixo dos tempos representado pela linha 6.

11.7 PREENCHENDO DADOS COM ZEROS

Se os dados originais no tiverem um nmero de pontos correspondente a uma potncia de 2, voc pode adicionar zeros aos dados para
aproximar o nmero de pontos potncia de 2. Por exemplo, para 118
pontos de dados adicione 10 zeros fazendo o nmero total igual a 128.
Por que no adicionar 138 zeros e levar o nmero de pontos para 256? Experimente fazer isto e observe o que acontece. A primeira coisa que voc nota que o espectro parece

mais suave, mas no adicionou qualquer informao! A vantagem do preendimento com zeros que, estatisticamente
falando, a varincia diminuda artificialmente ao introduzir
os zeros. Teste o procedimento de preencher com zeros um pequeno conjunto de dados, digamos 14 pontos. Adicione 2 zeros
para ir a 16 pontos e observe a FFT. Compare-a com a adio de
18, 50 e 114 zeros. Veja o Exerccio 9 no final deste captulo.

11.8 ALTERANDO A ESCALA DE FREQNCIAS

Como a FFT uma transformada discreta, h uma conexo com
a freqncia de Nyquist e com o teorema da amostragem de
Nyquist. Se o intervalo de amostragem for t segundos ento a
freqncia de amostragem associada ser:

Para uma tabela de aquisio de dados que pode coletar 105 dados por segundo, t 105 s. Se o nmero total de amostras for
N, ento o intervalo de freqncia entre os pontos de dados do
espectro aps o processamento com FFT :

Por exemplo, se N for igual a 512 amostras e t for 10 s a escala de freqncia entre os pontos de dados do espectro de 195,3125
Hz. A informao est localizada exclusivamente nesses pontos de
dados. No h nada entre eles. Aumentar o nmero de amostras
diminuiu a escala. Coletar mais amostras sempre uma boa idia
porque aumenta o nmero de informaes, mas isto tambm requer
mais tempo e mais potncia de clculo. Use a pasta de trabalho
ESCALA DE FREQNCIA para ver como isso feito.

11.9 AMOSTRAGEM E AMBIGIDADE (ALIASING)

Nyquist demonstrou que possvel reconstruir completamente um
sinal contnuo a partir de amostras igualmente espaadas, sob a
condio de que a maior freqncia segura que voc deseja atingir seja inferior metade da freqncia de amostragem. A amostragem com uma freqncia mais baixa resulta em um fenmeno
chamado de mascaramento de freqncia (aliasing). Esse fenmeno ocorre quando uma freqncia alta fica mascarada como se
fosse uma freqncia baixa. O efeito estroboscpico pode ser visto no cinema (exemplo de sistema com dados amostrados a uma
taxa de 24 Hz),2 onde nos filmes de faroeste as rodas das carruagens parecem se mover vagarosamente ou para trs.
Ao coletar dados a freqncia deve ser mantida bem abaixo da
Nyquist. Em um sistema de aquisio de dados com freqncia de
amostragem igual a 100 kHz, a freqncia de Nyquist de 50 kHz.
A maioria das placas de som dos computadores possui uma freqncia de amostragem de 44,1 kHz com uma freqncia de Nyquist
associada de 22,05 kHz, o que est ligeiramente acima do limite
2

superior da audio humana. Talvez alguns sistemas digitais de

som tenham uma especificao 8 vezes maior do que a amostragem. Isso significa que a freqncia de Nyquist oito vezes a mais
alta freqncia amplificada pelo sistema. A sobreamostragem
permite o uso de filtros baratos e simples aps a converso A/D.
Filtros anti aliasing so filtros passa-baixas usados antes de
conversores A/D para reduzir a energia acima da freqncia de
Nyquist antes da converso anlogo-digital. Os filtros antialiasing devem ter uma caracterstica de fase linear na faixa
passante a fim de minimizar a distoro de fase.
Abra a pasta de trabalho DADOS-ALIAS e teste o aliasing
na planilha (veja o Exerccio 7 no final deste captulo). Nessa
pasta de trabalho a taxa de amostragem constante e a freqncia da onda senoidal ajustvel. Construa uma planilha que
mantenha constante o valor da freqncia da onda senoidal e
ajuste a taxa de amostragem. A Fig. 11-5 mostra a tela inicial da
pasta de trabalho DADOS-ALIAS.

A iluso do movimento contnuo obtida explorando a reteno da retina atravs da exibio de 24 quadros por segundo. (N.T.)

FERRAMENTAS DE ANLISE: ANLISE DE FOURIER

167

Fig. 11-5 Exemplo de uma onda senoidal

acima e abaixo da freqncia de Nyquist.
Mude a freqncia B para um valor elevado, como por exemplo 50 vezes a freqncia A. Observe como parece ser
uma freqncia baixa.

11.10 JANELA DE DADOS

O teorema de Nyquist estabelece a conexo entre os sinais contnuos no tempo e as informaes digitalizadas (discretas), mas
no encerra a questo. A largura do pulso, bem como o incio e
o fim da amostragem so importantes em termos de vazamento
de espectro. O incio e a interrupo repentinos da amostragem
de um sinal contnuo no tempo comprometem a resoluo de
freqncia; o vazamento de espectro refere-se ao aparente espalhamento de energia em freqncias adjacentes causado pelo
incio e pela interrupo na aquisio de dados.
As janelas de dados foram inventadas para lidar com esse
problema tentando suavizar o incio e o fim do bloco de dados.
H muitos tipos de janelas em uso. Cada um deles possui atributos especiais e no h, no momento, nenhum meio de afirmar qual o melhor. Na verdade, nem til perguntar qual o
melhor, pois no h como decidir isso devido multiplicidade
de parmetros associados s janelas, alm do objetivo fundamental que dar nfase resoluo. Para tornar o tutorial mais
simples, a Fig. 11-1 no utiliza janelas de qualquer espcie, mas
isso no totalmente verdadeiro porque significa que est sendo usada automaticamente uma janela retangular. Uma janela

TABELA 11-1 Coeficientes de algumas funes comuns

de janela
Nome da Janela

a1

a2

a3

a4

Retangular

1,000

0,000

0,000

0,000

de Hamming

0,540

0,460

0,000

0,000

de Von Hann

0,500

0,500

0,000

0,000

de Blackman-Harris

0,358

0,488

0,141

0,011

de Kaiser-Bessel

0,402

0,498

0,098

0,001

retangular possui incio e interrupo repentinos. Em geral, a

pior opo.
Entre as janelas comuns que so fceis de usar em planilhas
esto as de Hamming, Von Hann, Kaiser-Bessel e BlackmanHarris. Essas janelas, mostradas na Tabela 11-1, so bem melhores do que a janela retangular; algumas vezes o aperfeioamento pode proporcionar um fator de reduo de 109 no vazamento de espectro.
Qual a melhor janela? No h resposta para a pergunta,
porque a resposta depende do que considerado melhor em
cada situao particular. H quatro pontos importantes a serem
considerados ao escolher uma janela, alm disso as janelas so
comparadas usando pelo menos sete parmetros. Para obter uma
abordagem sobre essas alternativas, consulte o livro de Brigham
e o artigo de Harris indicados como referncias no final deste
captulo. Uma soluo prtica para usar as janelas consiste em
analisar os dados usando as diferentes janelas a fim de optar por
aquela que parece lhe oferecer os melhores resultados.
As cinco janelas da Tabela 11-1 so definidas pelos valores
dos coeficientes na equao de janela:

onde n um ponto de dados; N o nmero total de pontos de

dados da janela. Essa janela instalada para 0 n N  1. Para
uso com a FFT, N um nmero inteiro com potncia de 2.
As janelas de Hamming e de Von Hann so particularmente
simples. Observe que a janela de Hamming a nica que no
possui zeros nas extremidades da janela.
Por exemplo, usando a Eq. (11-14) com a Tabela 11-1, podemos escrever a equao da janela de Von Hann para N  128
como:

168

CAPTULO ONZE

Uma janela retangular corresponde, na realidade, a no ter uma

janela. Ela serve somente para iniciar e interromper uma seqncia de dados. Abra uma nova planilha e trace os grficos das janelas de Hamming, de Von Hann, de Blackman-Harris e de
Kaiser-Bessel usando a Eq. (11-16) com 64 pontos.
A insero de dados nas janelas um tema em aberto. Tratase de uma rea de pesquisa ativa e as cinco janelas descritas anteriormente compreendem um pequeno subconjunto de um grande grupo.
J utilizamos janelas de dados para melhorar a resoluo do
espectro em algumas planilhas anteriores. A insero de dados
nas janelas uma etapa de pr-processamento dos dados antes
de aplicar a FFT. Usamos tambm a defasagem de Nyquist como
forma de pr-processamento na Seo 11.6, mas o objetivo foi
apenas esttico, centrar o espectro de modo que se parea com o
calculado analiticamente.
O vazamento de espectro que ocorre ao selecionar um bloco
de dados pode ser considerado como uma forma de difrao
generalizada. O incio e a interrupo repentinos de uma seqncia de dados responsvel por esta difrao exatamente como a
borda afiada de uma lente ou de um espelho borra uma imagem
ptica devido difrao. Na verdade, o uso de janelas em ptica
conhecido como apodizao e refere-se a um filtro neutro de
gradiente de densidade aplicado a uma lente ou a um espelho
prximo das bordas. A remoo de parte da energia prxima dos
limites da lente ou da antena atenua os efeitos da difrao e aumenta a resoluo da imagem.
Suavizar o incio e a interrupo de uma seqncia de dados,
com certeza, reduzir a freqncia dessa difrao. No entanto, a
experincia mostra que sempre preciso desistir de algo para
ganhar outro. Na realidade h vrias solues de compromisso,
incluindo o nvel de lobos laterais, largura de faixa equivalente
de rudo e ganho coerente. Essas solues de compromisso so
a razo de terem sido inventadas tantas janelas.
Optar por no utilizar as janelas, na realidade, significa utilizar uma janela retangular e essa a pior escolha de todas. Leve
em considerao selecionar um bloco de dados de uma onda

senoidal. Se o bloco de dados incluir um nmero inteiro de meios-perodos ento os dados aumentaro a partir de zero no incio
e diminuiro at zero no final, gradativamente. No fcil selecionar um bloco de dados com essas caractersticas; na maior parte do tempo selecionamos como pontos de dados um nmero
inteiro potncia de 2 para uma dada freqncia de amostragem
e, em seguida, processamos os dados. O uso de janelas antes da
FFT pode produzir melhorias surpreendentes na resoluo do
espectro, como veremos a seguir.
O uso das janelas envolve a multiplicao dos pontos de dados por uma funo de janela. A multiplicao no domnio do
tempo equivalente convoluo em freqncia; por conseguinte, o uso da janela uma forma de convoluo (veja a Seo 12.2).
A pasta de trabalho JANELA DE DADOS, mostrada na Fig.
11-6, tem uma pequena biblioteca de funes de janela que voc
pode usar. Podem ser adicionadas novas janelas sua escolha.
As j embutidas so as janelas retangular, de Von Hann, de
Hamming, de Blackman-Harris e Kaiser-Bessel. As de Von Hann
e de Hamming so particularmente simples. Para selecionar uma
janela, copie a frmula da clula do tipo de janela nas clulas
A10:DX10. Por exemplo, para selecionar a janela de Hamming,
copie a clula A30 na linha 10. A Fig. 11-7 mostra um sinal de
teste de duas freqncias com uma janela retangular e a Fig. 118 compara os espectros obtidos usando essas janelas.
As propriedades de mais de vinte janelas comuns esto catalogadas no famoso artigo F.J. Harris, On the use of windows
for harmonic analysis with discrete Fourier transform, Proceedings of the IEEE 66, pp. 5183 (1978) e em E.O. Brigham The
Fast Fourier Transform and Its Applications (Prentice-Hall
1988).
Os resultados da janela de Blackman-Harris so impressionantes, com melhoria superior a 90 dB nas laterais das linhas
espectrais e excelente resoluo de duas linhas. Use a pasta de
trabalho para examinar a janela de Blackman-Harris. A janela
de Hamming mais simples, Fig. 11-8, tem boa resoluo mas uma
melhoria inferior nas laterais. Observe a pequena diferena obtida ao usar as janelas de Hamming e de Blackman-Harris nos

Fig. 11-6 Tela inicial da planilha Principal da

pasta de trabalho JANELA DE DADOS. A frmula para aplicao da janela de Hamming est
mostrada na clula A10. Observe o efeito da aplicao da janela na linha 12.

FERRAMENTAS DE ANLISE: ANLISE DE FOURIER

169

Fig. 11-7 Sinal de teste com duas freqncias visto de uma

janela retangular. Observe a interrupo repentina da seqncia de dados de 128 pontos. Isso causa vazamento do
espectro.

valores de pico ligeiramente menores dos espectros em comparao com o da janela retangular. A Fig. 11-8 mostra uma razo
pela qual os espectros observados estimam realmente o verdadeiro estado da natureza.
O sinal de teste de duas freqncias consiste em duas ondas
senoidais. A senide de freqncia inferior tem uma freqncia
cujo valor 2/3 da freqncia da outra senide. A Fig. 11-7
mostra o sinal de teste modificado por uma janela de Hamming

e a Fig. 11-8 mostra uma comparao dos resultados da janela

retangular e da janela de Hamming.
Como na vida, o que voc v depende do tipo de janela atravs da qual voc olha. A escolha da melhor janela depende daquilo que estiver procurando obter e uma boa idia analisar o
espectro usando vrias janelas. O problema da estimao obtido
espectral envolvendo dados aleatrios com a FFT, atualmente,
objeto de interesse para pesquisa.

Fig. 11-8 Esse o mesmo sinal mostrado na Fig. 11-5, visto aqui
em uma janela (sinal com valores positivos e negativos). A funo-janela de Hamming tem marcadores circulares.

11.11 DENSIDADE ESPECTRAL DE POTNCIA (DEP)

O que Isso?
A densidade espectral de potncia fornece a energia do sinal em
cada freqncia. chamada densidade espectral de potncia por
ser anloga a uma densidade de massa. Em outras palavras, integrando a densidade de massa (kg/m3) sobre o volume tem-se a
massa total em kg e integrando-se a DEP (J/Hz) sobre a freqncia tem-se a energia total em joules. (Lembre-se de que J a
abreviatura de joule, unidade de energia do sistema SI.) A energia de um sinal pode ser expressa por:

e de acordo com o teorema de Parseval tambm dada por

Quando f(t) for medido em volts e |f(t)|2 em volts2/ohms, que

representa a potncia em watts, ento a integral ao longo do tempo

170

CAPTULO ONZE

fornece a energia. Correspondentemente, se |F()| for medido em

voltssegundos ou volts/Hz, ento |F()|2 medido em unidades
de (volt/Hz)2/ohm, Js, ou J/Hz. A grandeza |F()|2 chamada
de densidade espectral de potncia, DEP, ou (menos precisamente) espectro de potncia, porque a integrao de J/Hz sobre a freqncia produz J.

O que Faz a DEP?

A densidade espectral de potncia representa a potncia do sinal
em funo da freqncia. O procedimento para medir e calcular
a DEP extremamente importante, pois ela fornece informaes
teis e uma viso geral dos sistemas. A DEP e a DEP cruzada
constituem habitualmente pontos de partida para a anlise avanada envolvendo outras funes.
No Cap. 14, voltaremos ao conceito de espectros de potncia
e generalizaremos o espectro de potncia cruzada, importantes
nas funes de correlao cruzada, identificao de sistemas e
funes de coerncia. A medio de espectros de potncia chamada habitualmente de estimao de DEP por motivos que se
tornaro claros adiante.

Normalizao da DEP Usando o

Teorema de Parseval

O teorema de Parseval til para a normalizao da energia do espectro, possibilitando a obteno de resultados quantitativos. Estamos interessados na forma discreta desse teorema:

onde N o nmero de pontos do conjunto de dados. Na FFT do

EXCEL, o nmero de pontos ser sempre um inteiro potncia
de 2.
Uma outra forma do teorema de Parseval til no caso de
funes peridicas, caso voc tenha a sorte de conhecer a frmula do sinal (e, em conseqncia, conhecer a srie de Fourier,

veja o Cap. 4). De um modo geral, voc no ter essa informao para dados experimentais, mas no projeto de sinais e sistemas possvel usar a forma:

Aqui, p perodo da funo e os As e Bs so os coeficientes de

Fourier (veja a planilha FOURIER, no Cap. 4).

Dica
As Eqs. (11-19) e (11-20) podem ser usadas para verificar a exatido dos clculos. Por exemplo, se voc esquecer de elevar o
valor do espectro ao quadrado, ou se houver um erro no ponto
de dados, esta equao no ter soluo. Teste o procedimento
na pasta de trabalho DEP.

Pasta de Trabalho DEP

A Fig. 11-9 mostra a tela Home dessa pasta de trabalho. Abra a
pasta DEP em seu computador e siga os passos indicados medida que for utilizando as tcnicas mostradas aqui.

Composio da Pasta de Trabalho

A coluna A contm o eixo dos tempos. Nela h 128 pontos
no intervalo de clulas A7:A134.
A coluna B contm o sinal de entrada. Neste exemplo a entrada uma onda senoidal que comea em t  0. A frmula da
clula B7 =SEN(8*PI()/127) para forar o sinal a zero no
final da seqncia. Essa frmula ser copiada para as clulas do
intervalo B7:B134. A Fig. 11-9 mostra o sinal de entrada.
A coluna C contm a potncia instantnea do sinal de entrada. A frmula da clula C7 =B7^2 e ser copiada para o intervalo C7:C134.
A coluna D contm a defasagem de Nyquist. A frmula da
clula D7 =COS(A7*PI()). Essa informao copiada para
as clulas D7:D134.

Fig. 11-9 Comparao entre as janelas retangular (curva superior) e a de Hamming (curva inferior) aplicadas ao sinal de
teste das duas freqncias. Nenhum deslocamento vertical foi
aplicado; esses so os verdadeiros espectros. Observe a boa resoluo espectral e o baixo vazamento de espectro da janela
de Hamming. Observe tambm que a janela de Hamming representou a potncia dos dois sinais de forma mais exata que a
janela retangular. Examine o grfico mais detalhadamente
usando a pasta de trabalho JANELA DE DADOS.

FERRAMENTAS DE ANLISE: ANLISE DE FOURIER

171

Fig. 11-10 Tela inicial da planilha Principal da pasta de trabalho DEP. Observe os nmeros complexos na coluna F. Observe, tambm, que o
teorema de Parseval se confirma; a energia de entrada a mesma energia contida no espectro.

Fig. 11-11 Sinal de entrada do exemplo DEP. Trata-se de um segmento de onda senoidal.

172

CAPTULO ONZE

Fig. 11-12 DEP da onda senoidal da Fig. 11-11. Para obter a DEP somente das freqncias positivas, multiplique a DEP por 2 e trace o grfico
entre os valores da freqncia de 64 a 128. Observe o pequeno vazamento de espectro prximo do valor zero da potncia.

A coluna E contm o sinal de entrada aps a aplicao da

defasagem de Nyquist. A frmula da clula E7 =B7*D7. Esse
resultado copiado para as clulas do intervalo E7:E134.
A coluna F contm o espectro gerado pela aplicao da ferramenta Anlise de Fourier ativada pelos menus [Ferramentas][Anlise de Dados]. O espectro est em F7:F134.
A coluna I contm a densidade espectral de potncia (DEP).
A frmula da clula I7 =IMABS(F7)^2/128 de acordo com

a Eq. (11-19). Essa expresso copiada para I7:I134. A Fig. 1110 mostra a DEP.
A clula E3 exibe a energia do sinal de entrada. A frmula
dessa clula =SOMA(C7:C134).
A clula I3 exibe a energia do espectro, isto , a DEP somada
ao longo das freqncias. A frmula dessa clula =SOMA
(I7:I134). Compare com o resultado da clula E3.

O QUE VEM EM SEGUIDA?

Agora voc domina os conhecimentos fundamentais necessrios utilizao da ferramenta Anlise de Fourier do EXCEL nos
outros cursos de formao e, mais tarde, na sua carreira profissi-

onal. O Cap. 12 vai mostrar a voc como aplicar a FFT em algumas operaes teis. Iremos explorar a convoluo, a deconvoluo, a funo correlao e as funes coerncia e SNR.

REFERNCIAS
R. Bracewell, The Fourier Transform and Its Applications (McGraw-Hill, New York, 1965).
E. O. Brigham, The Fast Fourier Transform and Its Applications (Prentice-Hall 1988).
D. C. Champeney, Fourier Transforms and Their Physical Applications (Academic Press,
New York, 1973).

A Industrial Light and Magic, fundada por George Lucas (Guerra nas Estrelas). O site da
empresa :
http://www.lucasfilm.com/
A Society of Motion Picture and Television Engineers (SMPTE) est na vanguarda de tcnicas utilizadas neste captulo, por conta de mtodos digitais usados em filmes. Seu site :
http://www.smpte.org/

P. R. Griffiths and G. Pariente, Deconvolution, Trends in Analytical Chemistry 5, No. 8, (1986).

F. J. Harris, On the use of windows for harmonic analysis with the discrete Fourier
transform, Proc. IEEE 66, 51-83 (1978).
P. Jansson, Deconvolution of Images and Spectra, (Academic Press, New York 1977).
A. V. Oppenheim and R.W. Schafer. Discrete-Time Signal Processing (Prentice Hall,
Englewood Cliffs, NJ, 1989).
A indstria de entretenimento uma das foras propulsoras do processamento digital de sinais.
Uma das empresas lderes de mercado a Pixar Animation Studios. Seu site na web :
http://www.pixar.com/

A indstria de udio a maior usuria das tcnicas de processamento digital de sinal. Acesse,
por exemplo:
http://www.digido.com/homepage.html
A Digital Domain criou os efeitos digitais do filme Titanic. Essa empresa foi fundada por
James Cameron (diretor de Titanic), Scott Ross e Stan Winston. O endereo na web :
http://www.d2.com/
A Manex Visual Effects produziu os surpreendentes efeitos especiais digitais do filme Matrix:
http://www.mvfx.com/
S.D. Landy, Mapping the universe, Scientific American 280 (6), 38-45 (1999) June.

FERRAMENTAS DE ANLISE: ANLISE DE FOURIER

Esse artigo mostra como explorar o universo com a densidade espectral de potncia; o artigo estabelece uma analogia entre a anlise espectral acstica e a anlise espectral espacial e
como obter uma viso geral.
http://www.sciam.com

173

T.C. Levin and M.E. Edgerton, The throat singers of Tuva, Scientific American 281 (3)
80-87 (1999) September. A densidade espectral de potncia revela os segredos dos sons
musicais extraordinrios produzidos por cantores nativos do sul da Sibria.

TESTE SEUS CONHECIMENTOS

1. Crie uma planilha para aplicar uma FFT de 128 pontos a um
decaimento exponencial simples como y(t)  exp(Kt). Use a defasagem de Nyquist para centrar o espectro. Construa grficos de
magnitude e fase. Compare o espectro com diferentes valores de
constante de decaimento. Considere K  0,1, 0,2 e 0,5.
2. No Exerccio 1, aplique a FFT sem a defasagem de Nyquist
para um dos valores da constante de decaimento. Construa um
diagrama de magnitude (no eixo y da esquerda) e fase (no eixo y
da direita). Compare os resultados com os do Exerccio 1, que
utilizou a FFT com defasagem de Nyquist.
3. Crie uma planilha para aplicar uma FFT de 128 pontos (com
defasagem de Nyquist) a um pulso retangular. Use um pulso
centrado em t = 0 de amplitude 1 e 11 pontos de dados na largura. Compare os grficos de magnitude e fase do espectro, para
outras larguras de pulso como 5 e 21. Que relao voc v entre
largura de pulso e largura de faixa?
4. Crie uma planilha para aplicar uma FFT de 128 pontos (com
defasagem de Nyquist) a um pulso retangular. Use um pulso com
um nmero mpar de pontos de dados comeando em t  0.
Compare o espectro, para diferentes larguras de pulso como 5 e
21. Compare os resultados com os dos pulsos centrados do Exerccio 3. Comente o que aprendeu sobre fase.
5. Crie uma planilha para aplicar a FFT a um pulso retangular
com vrios preenchimentos de zeros. Use a defasagem de
Nyquist. Considere um pulso retangular de amplitude 1, largura
7, comeando em t = 0. Depois do ponto de dados 7, complete
com zeros o restante da linha ou coluna at 128. Calcule as FFTs
de 16, 32, 64 e 128 pontos. Comente suas observaes sobre o
preenchimento com zeros. (Veja a Seo 11.7.)

6. Considere um sinal de duas freqncias (como aquele da

planilha FFT-IFFT) com uma janela retangular e com uma janela de Kaiser-Bessel. Construa grficos das magnitudes em dB.
Elabore um grfico da diferena na magnitude dos espectros.
Constate a melhoria na resoluo de freqncia e no vazamento
de espectro.
7. Ambigidade de freqncia (aliasing). Abra a pasta de trabalho ALIAS-DADOS. Use o mouse para testar as frmulas da
planilha. Observe as ondas senoidais amostradas abaixo, acima,
e bem abaixo da freqncia de Nyquist. Observe como as freqncias altas podem ser mascaradas como freqncias baixas.
(Veja Fig. 11-14.)
8. Utilize a densidade espectral de potncia de um pulso retangular e o teorema de Parseval para calcular a energia total no
interior da largura de faixa. Veja Eq. (11-11).
9. Preenchimento com zeros. Elabore uma planilha para um pulso retangular com 14 pontos, comeando em t  0. Adicione dois
zeros para obter dezesseis pontos e efetue a operao FFT. Compare esses resultados com os obtidos adicionando 18, 50 e 114
zeros. Descreva as alteraes do espectro.
10. Espectro de fora. Abra a pasta de trabalho COLISO. Ela
contm dados experimentais sobre a coliso de dois ms. Um
dos ms fixo e equipado com um sensor de fora. O outro m
montado sobre um trilho de ar. Plos magnticos semelhantes
produzem uma fora de repulso recproca. Calcule o espectro
de fora. Voc deve utilizar o recheio de zeros para fazer com
que o nmero de pontos de dados seja um nmero inteiro potncia de 2. Construa grficos de magnitude e fase do espectro e da
DEP.